蚂蚁具有找到蚁穴与食物源之间最短路径的能力,受此启发提出的蚁群算法最初用于解决旅行商问题,具有自适应性、鲁棒性及本质上的并行性等许多特点,广泛适用于各种静态和动态的组合优化问题中,具有潜在的应用前景。 由Dorigo等提出的蚁群算法的描述可知,在通用启发式蚁群算法的起始阶段,信息素值被初始化为统一的值,对解的搜索没有指导意义,启发值此时反而能够提供有用的局部信息,有助于算法的快速收敛。随着算法的进行,根据搜索到的不同路径而更新的信息素值,存储了解空间的全局最优解信息,相对于启发值而言,所起的作用不断提高。因此设计了一种自适应的启发值因子,能够随着算法的进行调整信息素值和启发值之间的相对权重,加速算法的收敛速度。 网络路由问题所具有的一些特征,如内部信息、分布计算、随机动态,以及异步的网络状态更新等,与蚁群优化算法的特征匹配得很好,能很好地解决这一问题。本论文的另一个主要研究成果就是在蚁群优化的基础上,提出了新的路由算法。这种算法具有本质上的可扩展性,能有效解决大型通信网络资源的分配问题。整个算法应用概率选择数据包转发的路径,能够充分利用多条可行路径,从而提高网络负载的均衡性、鲁棒性、负载流量以及网络的利用率。 本文以基于图论的蚁群算法为基础,给出了蚁群算法的一般性模型,讨论了其收敛性及在静态TSP和动态网络路由问题中的应用,主要工作内容有: 第一章给出了蚁群算法的描述和在静态、动态情况下的各类应用,并指出蚁群算法所具有的分布式计算、鲁棒性、应用简单等特点,以及蚁群算法潜在的广泛应用前景。 第二章分析了蚁群算法的基本原理,针对蚁群算法所能解决的问题